CN109559326A - 一种血流动力学参数计算方法、系统及电子设备 - Google Patents
一种血流动力学参数计算方法、系统及电子设备 Download PDFInfo
- Publication number
- CN109559326A CN109559326A CN201811307562.5A CN201811307562A CN109559326A CN 109559326 A CN109559326 A CN 109559326A CN 201811307562 A CN201811307562 A CN 201811307562A CN 109559326 A CN109559326 A CN 109559326A
- Authority
- CN
- China
- Prior art keywords
- vessel
- blood vessel
- profile
- model
- blood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种血流动力学参数计算方法、系统及电子设备。所述方法包括:步骤a:对原始医学影像进行血管初步分割;步骤b:根据所述血管初步分割结果抽取血管中心线;步骤c:沿所述血管中心线在垂直面上计算血管轮廓;步骤d:在所述血管轮廓中间差值并生成血管的三维模型;步骤e:将所述血管的三维模型网格化,得到模型网格信息;步骤f:量化流体仿真参数;步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。本申请具有一套完整的适用面广的血管建模体系和参数计算体系,相对于现有技术,可以大幅降低误差,整体提高了血管动力学参数计算的精度和通用性。
Description
技术领域
本申请属于血流动力学技术领域,特别涉及一种血流动力学参数计算方法、系统及电子设备。
背景技术
医学影像分析是帮助医生诊断患者病情的重要手段之一,广泛运用于临床实践当中。医学影像分析是指根据医学影像,利用人为主观或采用如图像处理等分析技术从医学影像当中提取参数信息的过程。
计算血管的血流动力学参数是医学影像分析中常见的一种,其要求计算出血管的流速、压力、管壁剪切力等血流参数,以极大的方便医生对患者病情的诊断。
现有技术当中,目前采用的血流动力学参数计算方法普遍存在误差大、通用性差的问题,主要原因为缺乏一种完整的适用面广的血管建模体系,导致所建立的血管模型比较粗略,且通常只能针对特定血管进行建模,通用性差。
发明内容
本申请提供了一种血流动力学参数计算方法、系统及电子设备,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种血流动力学参数计算方法,包括:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述血管初步分割具体包括:
步骤a1:通过血管滤波器计算每个像素的血管概率值;
步骤a2:基于所述血管概率值,通过阈值法得到所述原始医学影像中的血管;
步骤a3:通过形态学处理技术去除所述原始医学影像中不连接冠脉的血管。
本申请实施例采取的技术方案还包括:在所述步骤c中,所述沿血管中心线在垂直面上计算血管轮廓具体包括:
步骤c1:计算中心线的切线和垂直面;
步骤c2:在所述垂直面上插值得到该方向的截面图像;
步骤c3:在所述截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径。
本申请实施例采取的技术方案还包括:在所述步骤d中,所述在血管轮廓中间差值并生成血管的三维模型具体包括:
步骤d1:在每个血管轮廓上重新采样轮廓点;
步骤d2:比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;
步骤d3:将再排列的血管轮廓进行二次采样;
步骤d4:在血管轮廓间进行样条插值;
步骤d5:放样并形成最终的封闭血管曲面。
本申请实施例采取的技术方案还包括:所述步骤d还包括:根据所述血管的三维模型生成树状结构的完整三维模型;具体包括:
步骤d6:将所述封闭血管曲面进行布尔操作,合并形成完整三维模型;
步骤d7:对所述完整三维模型的管壁面、端面分别分配相应名字;
步骤d8:对所述完整三维模型的局部或整体表面进行后处理。
本申请实施例采取的另一技术方案为:一种血流动力学参数计算系统,包括:
血管分割模块:用于对原始医学影像进行血管初步分割;
中心线抽取模块:用于根据所述血管初步分割结果抽取血管中心线;
轮廓计算模块:用于沿所述血管中心线在垂直面上计算血管轮廓;
第一三维模型生成模块:用于在所述血管轮廓中间差值并生成血管的三维模型;
模型网格化模块:用于将所述血管的三维模型网格化,得到模型网格信息;
仿真参数量化模块:用于量化流体仿真参数;
参数计算模块:用于根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
本申请实施例采取的技术方案还包括:所述血管分割模块进行血管初步分割具体为:通过血管滤波器计算每个像素的血管概率值;基于所述血管概率值,通过阈值法得到所述原始医学影像中的血管;通过形态学处理技术去除所述原始医学影像中不连接冠脉的血管。
本申请实施例采取的技术方案还包括:所述轮廓计算模块沿血管中心线在垂直面上计算血管轮廓具体为:计算中心线的切线和垂直面;在所述垂直面上插值得到该方向的截面图像;在所述截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径。
本申请实施例采取的技术方案还包括:所述第一三维模型生成模块在血管轮廓中间差值并生成血管的三维模型具体为:在每个血管轮廓上重新采样轮廓点;比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;将再排列的血管轮廓进行二次采样;在血管轮廓间进行样条插值;放样并形成最终的封闭血管曲面。
本申请实施例采取的技术方案还包括第二三维模型生成模块,所述第二三维模型生成模块用于根据所述血管的三维模型生成树状结构的完整三维模型;具体包括:将所述封闭血管曲面进行布尔操作,合并形成完整三维模型;对所述完整三维模型的管壁面、端面分别分配相应名字;对所述完整三维模型的局部或整体表面进行后处理。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的血流动力学参数计算方法的以下操作:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的血流动力学参数计算方法、系统及电子设备通过结合图像处理和力学仿真进行三维模型,具有一套完整的适用面广的血管建模体系和参数计算体系,相对于现有技术,可以大幅降低误差,整体提高了血管动力学参数计算的精度和通用性
附图说明
图1是本申请实施例的血流动力学参数计算方法的流程图;
图2是本申请实施例的血流动力学参数计算系统的结构示意图;
图3是本申请实施例提供的血流动力学参数计算方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请实施例的血流动力学参数计算方法的流程图。本申请实施例的血流动力学参数计算方法包括以下步骤:
步骤100:获取原始医学影像;
步骤100中,原始医学影像包括但不限于CT(Computed Tomography,电子计算机断层扫描)影像或MRI(MRI,Magnetic Resonance Imaging,核磁共振)影像等。
步骤200:对原始医学影像进行血管初步分割;
步骤200中,由于主动脉和冠脉的特征差异很大,本申请采取主动脉和冠脉分开分割,最后将分割结果整合在一起。血管初步分割过程包括以下步骤:
步骤201:通过血管滤波器计算每个像素的血管概率值;
步骤202:基于血管概率值,通过阈值法得到原始医学影像中的多个血管;其中,血管类型包括冠脉以及其他血管;
步骤203:通过形态学处理技术去除原始医学影像中不连接冠脉的血管。
步骤300:根据血管初步分割结果抽取血管中心线;
步骤300中,抽取血管中心线采用类似区域生长(region grow)的方法,其具体包括以下步骤:
步骤301:找到种子点(seed);
步骤302:由种子点开始延展,新的增长的质心即为新的中心线节点;
步骤303:直到遇到分叉,母枝的生长结束;
步骤304:由母枝的最后一个点作为子枝延展的种子点,并重复执行步骤301~步骤303。
步骤400:沿着血管中心线在垂直面上精确计算血管轮廓;
步骤400中,血管轮廓计算方法包括以下步骤:
步骤401:计算中心线的切线和垂直面;
步骤402:在垂直面上插值得到该方向的截面图像;
步骤403:在截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径;其中,图像处理方法包括但不限于水平集(level set)、图割(graph cut)或阈值法。
步骤500:在多个血管轮廓中间差值并生成血管的三维模型;
步骤500中,血管三维模型生成方式包括以下步骤:
步骤501:在每个血管轮廓上重新采样轮廓点;
步骤502:比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;
步骤503:将再排列的血管轮廓进行二次采样;
步骤504:在血管轮廓间进行样条插值;
步骤505:放样并形成最终的封闭血管曲面。
步骤600:根据血管的三维模型生成树状结构的完整三维模型;
步骤600中,完整三维模型生成方式包括以下步骤:
步骤601:将封闭血管曲面进行布尔操作,合并形成完整三维模型;
步骤602:对完整三维模型的管壁面、端面分别分配相应名字;
步骤603:对完整三维模型的局部或整体表面进行后处理(光滑、细化等)。
步骤700:将血管的三维模型网格化,得到模型网格信息;
步骤700中,三维模型网格化具体为:设定全局网格尺寸,并针对不同的血管设定局部的网格尺寸,然后对整个三维模型进行表面和体积内空间的网格化;
步骤800:量化流体仿真参数;
步骤800中,量化流体仿真参数具体包括以下步骤:
步骤801:确定流体及管壁材料属性;
步骤802:给定流场的初始条件;
步骤803:根据心肌质量计算动脉血流量,并导出入口流场分布;
步骤804:确定边界条件类型,根据端面面积,计算各出口的流阻;
步骤805:给出流体仿真求解器需要的其他参数。
步骤900:根据模型网格信息及仿真参数求解流体力学方程,得到血流动力学参数;
步骤900中,得到的血流动力学参数包括血流储备分数、剪切应力等。求解流体力学方程具体包括以下步骤:
步骤901:根据模型网格信息及仿真参数,生成仿真计算输入文件;
步骤902:将仿真计算输入文件传送到高性能的计算集群或云计算平台;
步骤903:集群或云计算平台进行并行计算,求解不可压缩流体Navier-Stokes(纳维叶-斯托克斯,简称N-S)方程,得到流体压力及流速等血流动力学参数。
步骤1000:后处理计算血流动力学参数;
步骤1000中,后处理计算血流动力学参数包括以下步骤:
步骤1001:根据求解得到的流体压力及流速,计算管壁表面瞬时的剪切力;
步骤1002:计算一个心跳周期内的平均压力、FFR、平均流速、平均剪切力、震荡剪切指数等;
步骤1003:计算每个出入口的瞬时/平均的压力、流量等。
请参阅图2,是本申请实施例的血流动力学参数计算系统的结构示意图。本申请实施例的血流动力学参数计算系统包括血管分割模块、中心线抽取模块、轮廓计算模块、第一三维模型生成模块、第二三维模型生成模块、模型网格化模块、仿真参数量化模块、参数计算模块和参数后处理模块。
血管分割模块:用于获取原始医学影像,并对原始医学影像进行血管初步分割;其中,原始医学影像包括但不限于CT(Computed Tomography,电子计算机断层扫描)影像或MRI(MRI,Magnetic Resonance Imaging,核磁共振)影像等;由于主动脉和冠脉的特征差异很大,本申请采取主动脉和冠脉分开分割,最后将分割结果整合在一起。具体地,血管初步分割过程为:
1、通过血管滤波器计算每个像素的血管概率值;
2、基于血管概率值,通过阈值法得到原始医学影像中的多个血管;其中,血管类型包括冠脉以及其他血管;
3、通过形态学处理技术去除原始医学影像中不连接冠脉的血管。
中心线抽取模块:用于根据血管初步分割结果抽取血管中心线;其中,抽取血管中心线采用类似区域生长(region grow)的方法,血管中心线抽取方式具体为:
1、找到种子点(seed);
2、由种子点开始延展,新的增长的质心即为新的中心线节点;
3、直到遇到分叉,母枝的生长结束;
4、由母枝的最后一个点作为子枝延展的种子点,并重复执行1~3。
轮廓计算模块:用于沿着血管中心线在垂直面上精确计算血管轮廓;其中,血管轮廓计算方法具体为:
1、计算中心线的切线和垂直面;
2、在垂直面上插值得到该方向的截面图像;
3、在截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径;其中,图像处理方法包括但不限于水平集(level set)、图割(graph cut)或阈值法。
第一三维模型生成模块:用于在多个血管轮廓中间差值并生成血管的三维模型;其中,血管三维模型生成方式具体为:
1、在每个血管轮廓上重新采样轮廓点;
2、比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;
3、将再排列的血管轮廓进行二次采样;
4、在血管轮廓间进行样条插值;
5、放样并形成最终的封闭血管曲面。
第二三维模型生成模块:用于根据血管的三维模型生成树状结构的完整三维模型;其中,完整三维模型生成方式具体为:
1、将封闭血管曲面进行布尔操作,合并形成完整三维模型;
2、对完整三维模型的管壁面、端面分别分配相应名字;
3、对完整三维模型的局部或整体表面进行后处理(光滑、细化等)。
模型网格化模块:用于将血管的三维模型网格化,得到模型网格信息;设定全局网格尺寸,并针对不同的血管设定局部的网格尺寸,然后对整个三维模型进行表面和体积内空间的网格化;
仿真参数量化模块:用于量化流体仿真参数;其中,量化流体仿真参数方式具体为:
1、确定流体及管壁材料属性;
2、给定流场的初始条件;
3、根据心肌质量计算动脉血流量,并导出入口流场分布;
4、确定边界条件类型,根据端面面积,计算各出口的流阻;
5、给出流体仿真求解器需要的其他参数。
参数计算模块:用于根据模型网格信息及仿真参数求解流体力学方程,得到血流动力学参数;其中,得到的血流动力学参数包括血流储备分数、剪切应力等。血流动力学参数计算方式具体为:
1、根据模型网格信息及仿真参数,生成仿真计算输入文件;
2、将仿真计算输入文件传送到高性能的计算集群或云计算平台;
3、集群或云计算平台进行并行计算,求解不可压缩流体Navier-Stokes(纳维叶-斯托克斯,简称N-S)方程,得到流体压力及流速等血流动力学参数。
参数后处理模块:用于后处理计算血流动力学参数;后处理计算血流动力学参数具体为:
1、根据求解得到的流体压力及流速,计算管壁表面瞬时的剪切力;
2、计算一个心跳周期内的平均压力、FFR、平均流速、平均剪切力、震荡剪切指数等;
3、计算每个出入口的瞬时/平均的压力、流量等。
图3是本申请实施例提供的血流动力学参数计算方法的硬件设备结构示意图。如图3所示,该设备包括一个或多个处理器以及存储器。以一个处理器为例,该设备还可以包括:输入系统和输出系统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息,以及产生信号输入。输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任一方法实施例的以下操作:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行以下操作:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行以下操作:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
本申请实施例的血流动力学参数计算方法、系统及电子设备通过结合图像处理和力学仿真进行三维模型,具有一套完整的适用面广的血管建模体系和参数计算体系,相对于现有技术,可以大幅降低误差,整体提高了血管动力学参数计算的精度和通用性。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本申请所示的这些实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种血流动力学参数计算方法,其特征在于,包括:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
2.根据权利要求1所述的血流动力学参数计算方法,其特征在于,在所述步骤a中,所述血管初步分割具体包括:
步骤a1:通过血管滤波器计算每个像素的血管概率值;
步骤a2:基于所述血管概率值,通过阈值法得到所述原始医学影像中的血管;
步骤a3:通过形态学处理技术去除所述原始医学影像中不连接冠脉的血管。
3.根据权利要求2所述的血流动力学参数计算方法,其特征在于,在所述步骤c中,所述沿血管中心线在垂直面上计算血管轮廓具体包括:
步骤c1:计算中心线的切线和垂直面;
步骤c2:在所述垂直面上插值得到该方向的截面图像;
步骤c3:在所述截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径。
4.根据权利要求3所述的血流动力学参数计算方法,其特征在于,在所述步骤d中,所述在血管轮廓中间差值并生成血管的三维模型具体包括:
步骤d1:在每个血管轮廓上重新采样轮廓点;
步骤d2:比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;
步骤d3:将再排列的血管轮廓进行二次采样;
步骤d4:在血管轮廓间进行样条插值;
步骤d5:放样并形成最终的封闭血管曲面。
5.根据权利要求4所述的血流动力学参数计算方法,其特征在于,所述步骤d还包括:根据所述血管的三维模型生成树状结构的完整三维模型;具体包括:
步骤d6:将所述封闭血管曲面进行布尔操作,合并形成完整三维模型;
步骤d7:对所述完整三维模型的管壁面、端面分别分配相应名字;
步骤d8:对所述完整三维模型的局部或整体表面进行后处理。
6.一种血流动力学参数计算系统,其特征在于,包括:
血管分割模块:用于对原始医学影像进行血管初步分割;
中心线抽取模块:用于根据所述血管初步分割结果抽取血管中心线;
轮廓计算模块:用于沿所述血管中心线在垂直面上计算血管轮廓;
第一三维模型生成模块:用于在所述血管轮廓中间差值并生成血管的三维模型;
模型网格化模块:用于将所述血管的三维模型网格化,得到模型网格信息;
仿真参数量化模块:用于量化流体仿真参数;
参数计算模块:用于根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
7.根据权利要求6所述的血流动力学参数计算系统,其特征在于,所述血管分割模块进行血管初步分割具体为:通过血管滤波器计算每个像素的血管概率值;基于所述血管概率值,通过阈值法得到所述原始医学影像中的血管;通过形态学处理技术去除所述原始医学影像中不连接冠脉的血管。
8.根据权利要求7所述的血流动力学参数计算系统,其特征在于,所述轮廓计算模块沿血管中心线在垂直面上计算血管轮廓具体为:计算中心线的切线和垂直面;在所述垂直面上插值得到该方向的截面图像;在所述截面图像上用图像处理方法得到血管边界点,并对血管边界点进行插值得到完整的血管内径。
9.根据权利要求8所述的血流动力学参数计算系统,其特征在于,所述第一三维模型生成模块在血管轮廓中间差值并生成血管的三维模型具体为:在每个血管轮廓上重新采样轮廓点;比对沿中线前一个相邻血管轮廓,对血管轮廓进行再排列;将再排列的血管轮廓进行二次采样;在血管轮廓间进行样条插值;放样并形成最终的封闭血管曲面。
10.根据权利要求9所述的血流动力学参数计算系统,其特征在于,还包括第二三维模型生成模块,所述第二三维模型生成模块用于根据所述血管的三维模型生成树状结构的完整三维模型;具体包括:将所述封闭血管曲面进行布尔操作,合并形成完整三维模型;对所述完整三维模型的管壁面、端面分别分配相应名字;对所述完整三维模型的局部或整体表面进行后处理。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述1至5任一项所述的血流动力学参数计算方法的以下操作:
步骤a:对原始医学影像进行血管初步分割;
步骤b:根据所述血管初步分割结果抽取血管中心线;
步骤c:沿所述血管中心线在垂直面上计算血管轮廓;
步骤d:在所述血管轮廓中间差值并生成血管的三维模型;
步骤e:将所述血管的三维模型网格化,得到模型网格信息;
步骤f:量化流体仿真参数;
步骤g:根据所述模型网格信息及流体仿真参数求解流体力学方程,得到血流动力学参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811307562.5A CN109559326B (zh) | 2018-11-05 | 2018-11-05 | 一种血流动力学参数计算方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811307562.5A CN109559326B (zh) | 2018-11-05 | 2018-11-05 | 一种血流动力学参数计算方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559326A true CN109559326A (zh) | 2019-04-02 |
CN109559326B CN109559326B (zh) | 2020-11-13 |
Family
ID=65865847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811307562.5A Active CN109559326B (zh) | 2018-11-05 | 2018-11-05 | 一种血流动力学参数计算方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559326B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148127A (zh) * | 2019-05-23 | 2019-08-20 | 数坤(北京)网络科技有限公司 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
CN110477955A (zh) * | 2019-08-22 | 2019-11-22 | 电子科技大学 | 一种基于iq数据的血管自动识别方法 |
CN110634572A (zh) * | 2019-09-24 | 2019-12-31 | 杭州阿特瑞科技有限公司 | 基于力学方程的血管血流模拟方法及相关装置 |
CN111222241A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军国防科技大学 | 热化学非平衡条件下流场数据的数值计算方法和装置 |
CN111259579A (zh) * | 2020-01-09 | 2020-06-09 | 南京星火技术有限公司 | 电子设备、仿真装置和计算机可读介质 |
CN111680447A (zh) * | 2020-04-21 | 2020-09-18 | 深圳睿心智能医疗科技有限公司 | 血流特征预测方法、装置、计算机设备和存储介质 |
CN112001893A (zh) * | 2020-07-31 | 2020-11-27 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112116615A (zh) * | 2019-11-19 | 2020-12-22 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN112150376A (zh) * | 2020-08-21 | 2020-12-29 | 深圳睿心智能医疗科技有限公司 | 血管医学影像分析方法、装置、计算机设备和存储介质 |
CN112614217A (zh) * | 2020-12-17 | 2021-04-06 | 深圳睿心智能医疗科技有限公司 | 管状物三维模型的拉直方法、装置及电子设备 |
CN112617791A (zh) * | 2020-12-22 | 2021-04-09 | 杭州晟视科技有限公司 | 一种模拟血管搏动的方法、装置及存储介质 |
CN112950544A (zh) * | 2021-02-02 | 2021-06-11 | 深圳睿心智能医疗科技有限公司 | 一种确定冠脉参数的方法 |
CN117197164A (zh) * | 2023-11-08 | 2023-12-08 | 中国医学科学院北京协和医院 | 用于计算心肌血管供血区域的管道流域计算方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201007A1 (en) * | 2006-06-16 | 2008-08-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for making a blood vessel sleeve |
CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
CN103854286A (zh) * | 2014-03-05 | 2014-06-11 | 东南大学 | 一种基于ct造影图像的肾动脉供血区域分割方法 |
CN104361626A (zh) * | 2014-09-29 | 2015-02-18 | 北京理工大学 | 基于混合匹配策略的皮下静脉三维重建方法 |
CN104978725A (zh) * | 2014-04-03 | 2015-10-14 | 上海联影医疗科技有限公司 | 一种冠状动脉分割方法和装置 |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
CN106443037A (zh) * | 2015-08-11 | 2017-02-22 | 广州康昕瑞基因健康科技有限公司 | 自动取血仪 |
CN107705289A (zh) * | 2017-09-05 | 2018-02-16 | 重庆邮电大学 | 一种基于骨架拓扑结构的血管模拟重建方法 |
CN107705855A (zh) * | 2017-09-21 | 2018-02-16 | 北京众绘虚拟现实技术研究院有限公司 | 一种支持个性化的经皮冠状动脉成形术模拟训练系统及方法 |
CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
-
2018
- 2018-11-05 CN CN201811307562.5A patent/CN109559326B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201007A1 (en) * | 2006-06-16 | 2008-08-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for making a blood vessel sleeve |
CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
CN103854286A (zh) * | 2014-03-05 | 2014-06-11 | 东南大学 | 一种基于ct造影图像的肾动脉供血区域分割方法 |
CN104978725A (zh) * | 2014-04-03 | 2015-10-14 | 上海联影医疗科技有限公司 | 一种冠状动脉分割方法和装置 |
CN104361626A (zh) * | 2014-09-29 | 2015-02-18 | 北京理工大学 | 基于混合匹配策略的皮下静脉三维重建方法 |
CN106443037A (zh) * | 2015-08-11 | 2017-02-22 | 广州康昕瑞基因健康科技有限公司 | 自动取血仪 |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
CN107705289A (zh) * | 2017-09-05 | 2018-02-16 | 重庆邮电大学 | 一种基于骨架拓扑结构的血管模拟重建方法 |
CN107705855A (zh) * | 2017-09-21 | 2018-02-16 | 北京众绘虚拟现实技术研究院有限公司 | 一种支持个性化的经皮冠状动脉成形术模拟训练系统及方法 |
CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148127A (zh) * | 2019-05-23 | 2019-08-20 | 数坤(北京)网络科技有限公司 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
CN110148127B (zh) * | 2019-05-23 | 2021-05-11 | 数坤(北京)网络科技有限公司 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
CN110477955A (zh) * | 2019-08-22 | 2019-11-22 | 电子科技大学 | 一种基于iq数据的血管自动识别方法 |
CN110634572B (zh) * | 2019-09-24 | 2023-06-16 | 杭州阿特瑞科技有限公司 | 基于力学方程的血管血流模拟方法及相关装置 |
CN110634572A (zh) * | 2019-09-24 | 2019-12-31 | 杭州阿特瑞科技有限公司 | 基于力学方程的血管血流模拟方法及相关装置 |
CN112116615A (zh) * | 2019-11-19 | 2020-12-22 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN112116615B (zh) * | 2019-11-19 | 2023-12-05 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN111222241A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军国防科技大学 | 热化学非平衡条件下流场数据的数值计算方法和装置 |
CN111222241B (zh) * | 2020-01-06 | 2024-05-28 | 中国人民解放军国防科技大学 | 热化学非平衡条件下流场数据的数值计算方法和装置 |
CN111259579A (zh) * | 2020-01-09 | 2020-06-09 | 南京星火技术有限公司 | 电子设备、仿真装置和计算机可读介质 |
CN111259579B (zh) * | 2020-01-09 | 2024-01-30 | 南京星火技术有限公司 | 电子设备、仿真装置和计算机可读介质 |
CN111680447A (zh) * | 2020-04-21 | 2020-09-18 | 深圳睿心智能医疗科技有限公司 | 血流特征预测方法、装置、计算机设备和存储介质 |
CN111680447B (zh) * | 2020-04-21 | 2023-11-17 | 深圳睿心智能医疗科技有限公司 | 血流特征预测方法、装置、计算机设备和存储介质 |
CN112001893A (zh) * | 2020-07-31 | 2020-11-27 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112001893B (zh) * | 2020-07-31 | 2024-02-20 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112150376B (zh) * | 2020-08-21 | 2023-08-15 | 深圳睿心智能医疗科技有限公司 | 血管医学影像分析方法、装置、计算机设备和存储介质 |
CN112150376A (zh) * | 2020-08-21 | 2020-12-29 | 深圳睿心智能医疗科技有限公司 | 血管医学影像分析方法、装置、计算机设备和存储介质 |
CN112614217A (zh) * | 2020-12-17 | 2021-04-06 | 深圳睿心智能医疗科技有限公司 | 管状物三维模型的拉直方法、装置及电子设备 |
CN112617791B (zh) * | 2020-12-22 | 2022-09-20 | 杭州晟视科技有限公司 | 一种模拟血管搏动的方法、装置及存储介质 |
CN112617791A (zh) * | 2020-12-22 | 2021-04-09 | 杭州晟视科技有限公司 | 一种模拟血管搏动的方法、装置及存储介质 |
CN112950544A (zh) * | 2021-02-02 | 2021-06-11 | 深圳睿心智能医疗科技有限公司 | 一种确定冠脉参数的方法 |
CN117197164A (zh) * | 2023-11-08 | 2023-12-08 | 中国医学科学院北京协和医院 | 用于计算心肌血管供血区域的管道流域计算方法及系统 |
CN117197164B (zh) * | 2023-11-08 | 2024-03-08 | 中国医学科学院北京协和医院 | 用于计算心肌血管供血区域的管道流域计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109559326B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559326A (zh) | 一种血流动力学参数计算方法、系统及电子设备 | |
US20210358634A1 (en) | Systems and methods for image processing to determine blood flow | |
US11042822B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
US20220110687A1 (en) | Method and system for iamge processing to determine blood flow | |
Yang et al. | Intra: 3d intracranial aneurysm dataset for deep learning | |
Antiga et al. | Computational geometry for patient-specific reconstruction and meshing of blood vessels from MR and CT angiography | |
US10622092B2 (en) | Method and system for facilitating physiological computations | |
Antiga | Patient-specific modeling of geometry and blood flow in large arteries | |
Xiong et al. | Simulation of blood flow in deformable vessels using subject‐specific geometry and spatially varying wall properties | |
CN109461138A (zh) | 参数计算方法、系统、可读存储介质及计算机设备 | |
US11605447B2 (en) | Intelligent agents for patient management | |
Schumann et al. | Model-free surface visualization of vascular trees. | |
Gharleghi et al. | Deep learning for time averaged wall shear stress prediction in left main coronary bifurcations | |
Wang et al. | GPU acceleration of volumetric lattice Boltzmann method for patient-specific computational hemodynamics | |
Wu et al. | Comparative study of surface modeling methods for vascular structures | |
CN107665737A (zh) | 血管壁应力应变状态获取方法、计算机可读介质及系统 | |
US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
CN114297957B (zh) | 心脏指标的获取方法及其装置、计算机可读存储介质 | |
CN110689080B (zh) | 一种血管结构影像的平面图谱构建方法 | |
CN115170743A (zh) | 一种dsa探照角度规划方法及系统 | |
Krissian et al. | Smooth vasculature reconstruction with circular and elliptic cross sections | |
Kong et al. | AUTOMATING MODEL GENERATION FOR IMAGE-BASED SIMULATIONS OF CARDIAC FLOW | |
CN117218134A (zh) | Cta图像的血管分割方法、系统、介质及电子设备 | |
Morales Ferez | Deep learning surrogate of computational fluid dynamics for thrombus formation risk in the left atrial appendage | |
Qiao et al. | Studies on techniques and application of numerical simulation oriented 3-dimensional reconstruction for medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |